Umetna inteligenca podjetjem omogoča učinkovitejše poslovanje, zmanjševanje emisij in porabe energije ter boljše razumevanje trajnostnostnih tveganj, za portal Trellis piše Matthew Garder. Med obetavnimi pristopi so optimizacija procesov, simulacije z digitalnimi dvojčki in napredna analiza vplivov na naravne vire. Primeri iz prakse kažejo, da lahko te tehnologije prinašajo merljive okoljske in poslovne koristi.
Pri uvajanju umetne inteligence v trajnostne strategije podjetij ostaja odprto vprašanje njenega lastnega okoljskega odtisa. Poraba energije in emisije, povezane z uporabo modelov umetne inteligence, so namreč težko določljive. Pri nekaterih izračunih niso zajeti niti vsi vplivi, na primer emisije, nastale med učenjem modelov. Kljub tej negotovosti pa številni primeri kažejo, da lahko umetna inteligenca pomembno prispeva k doseganju trajnostnih ciljev.
Optimizacija procesov zmanjšuje odpadke in emisije
Ameriška trgovska veriga Cub je pri napovedovanju povpraševanja, naročanju in upravljanju trgovin tradicionalno temeljila predvsem na izkušnjah zaposlenih. Zaradi majhnih marž in izgub, ki jih povzročata presežna zaloga in zavržena hrana, je začela iskati naprednejše rešitve. Uvedla je sistem podjetja Afresh, ki z umetno inteligenco napoveduje povpraševanje, optimizira naročila in zmanjšuje količino zavržene hrane.
V trimesečnem pilotnem obdobju se je prodaja povečala za več kot dva odstotka, zaloge pa so se zmanjšale za sedem odstotkov. Po uvedbi sistema v celotni verigi se je delež izgub svežih pridelkov zmanjšal za 18 odstotkov. Po navedbah podjetja naj bi rešitev na letni ravni omogočila preprečitev več kot 1200 ton emisij toplogrednih plinov, porabe 43 milijonov galon vode in zavržka dveh milijonov funtov hrane.
Umetno inteligenco za zmanjševanje emisij uporablja tudi Heidelberg Materials v cementarni Mokra na Češkem. V sodelovanju s ponudnikom programske opreme Gigaton je uvedel platformo, ki optimizira ključne parametre proizvodnje, med drugim mešanico goriv, hitrost vrtenja peči in raven kisika. Cilj je zmanjšati porabo goriva in emisije ter izboljšati kakovost klinkerja.
V prvem mesecu neprekinjenega delovanja se je povprečni strošek goriva zmanjšal za štiri odstotke, emisije iz njegove uporabe pa za dva odstotka. Manjša poraba toplote je omogočila tudi prehod od težkega kurilnega olja k cenejšim gorivom z manjšim ogljičnim odtisom.
Digitalni dvojčki za učinkovitejšo proizvodnjo
Pomembno področje uporabe umetne inteligence so tudi digitalni dvojčki – virtualni modeli fizičnih naprav ali proizvodnih sistemov, ki se posodabljajo s podatki v realnem času. Podjetjem omogočajo prepoznavanje ozkih grl v procesih ter zmanjševanje izgub, zastojev in nepotrebne porabe energije.
Unilever in Accenture sta junija napovedala večletno partnerstvo za širitev uporabe digitalnih dvojčkov v proizvodnji živil, mil, detergentov in dezodorantov. Načrtujeta vzpostavitev 40 digitalnih dvojčkov, ki bodo na podlagi podatkov iz proizvodnje v realnem času spremljali delovanje opreme in proizvodnih linij.
V Unileverjevi tovarni v Raefordu v Severni Karolini digitalni dvojček proizvodnje dezodorantov znamk Dove, Degree in Axe že napoveduje 95 odstotkov omejitev v proizvodnem procesu. Z njegovo uporabo so količino odpadkov zmanjšali za 20 odstotkov. V tovarni v indijskem Haldii pa digitalni dvojček optimizira hitrost ventilatorjev, temperaturo in uravnavanje vlage, kar je v dveh letih prispevalo k zmanjšanju porabe toplotne energije.
Umetna inteligenca za ocenjevanje tveganj, povezanih z naravo
Nove možnosti se odpirajo tudi pri ocenjevanju gospodarskih vplivov, tveganj in priložnosti, povezanih z uporabo naravnih virov. Ena od razvijajočih se metod je vrednotenje gospodarskih učinkov ob upoštevanju naravnega kapitala (Nature Adjusted Economic Valuation – NAEV). Podjetjem v rudarstvu, predelovalni industriji in drugih panogah, odvisnih od naravnih virov, lahko pomaga oceniti njihovo odvisnost od ekosistemskih storitev ter finančne posledice njihovega morebitnega poslabšanja ali izginotja.
Umetna inteligenca pri tem omogoča zbiranje in analizo velikih količin podatkov iz terenskih raziskav in računalniških modelov ekosistemov. Na njihovi podlagi je mogoče oceniti, kako blizu so ekosistemi degradaciji oziroma izčrpanju, ter modelirati posledična tveganja za podjetja. Analize lahko pokažejo tudi vpliv izgube ekosistemskih storitev na prihodke, stroške motenj v poslovanju in tehtane povprečne stroške kapitala.
Pilotne študije so še v teku, prvi rezultati pa kažejo potencial metode. Takšne analize bi bile brez uporabe umetne inteligence časovno in stroškovno zelo zahtevne. Njihova vrednost je predvsem v tem, da podjetjem omogočajo učinkovitejšo rabo naravnih virov in boljše razumevanje ekosistemov, od katerih je odvisno njihovo poslovanje.
